课程文献中心 更多>>

关键词： 医学图像   脑部影像分类   深度学习   注意力机制   图卷积神经网络  

摘要： 针对阿尔茨海默病(AD)与认知正常(CN)患者的脑部影像分类问题，本文提出一种基于通道注意力与图注意力网络的脑部影像分类模型。首先对原始DTI影像进行标准化预处理与张量拟合，获得三维FA图，随后沿轴向逐层切片，并应用双线性插值法将所有切片统一重采样到相同的大小，在此基础上，设计了通道注意力卷积模块，通过并行的卷积提取空间细节特征，同时应用自适应核长的通道间注意力机制动态重标定通道权重，有效学习并压缩局部纹理特征，经全连接层映射得到特征向量并作为后续图中的节点嵌入。然后，依据切片的空间连通性构建邻接矩阵，将切片视为图中的节点，并将节点特征向量与邻接矩阵组成图数据，输入三层堆叠的图注意力卷积层，通过可学习的注意力系数逐层聚合相邻及远邻切片信息，实现跨切片全局结构的融合。最终，经全局平均池化与全连接层输出分类结果。实验结果表明，本文提出的方法不仅在准确度和稳定性上优于传统影像分类模型，还验证了局部-全局注意力架构的优势，提供了一种从切片到图信号转换的新思路。

关键词： 可视化年报   商业信用融资   信息   信任   多模态  

摘要： 在公司年报披露中，运用多媒体技术进行多模态呈现已蔚然成风。本文探讨相较于普通年报，可视化年报是否能够实现“一图胜千言”、“有图有真相”的效果，增强供应链合作企业对披露公司的信任，进而促进商业信用融资，产生“图而有信”的价值效应。以2014-2022年我国沪深A股上市公司为样本，研究证实可视化年报披露显著提高了公司的商业信用融资，其背后是降低信息认知风险和激发积极情感共同作用的结果。异质性检验发现，可视化年报披露对商业信用融资的促进作用与公司所处的地区环境、同业可视化年报披露情况，以及公司自身市场地位密切相关。进一步研究表明，公司持续地、在多平台披露可视化年报，都可以增强可视化年报披露对商业信用融资的正面影响。本文不仅验证了信息披露的形式创新并非华而不实，同样会发挥重要的价值效应，而且对于如何以信息披露的高质量要求推动上市公司的高质量发展具有启示作用。

关键词： 井眼成像测井图   伪图像   火成岩   油气勘探   岩相   测井解释   火山古环境   巴西盆地  

摘要： 传统的成像测井解释方法对圆柱展开投影中呈正弦形态的火山岩线性裂缝识别较为成熟，然而对非线性火山岩岩石构造及复杂岩相几何形态的解释则比较困难。为表征与南美大陆形成相关的古火山复杂环境，本研究基于成像测井、岩相学和地震资料分析，提出了一种新的表征方法。该方法使用全球范围典型火成岩特征的地质露头照片来创建伪图像，模拟约31cm(12.25in)井眼的井壁二维平面图像；在此基础上，根据这些生成的伪图像和标准露头照片来明确火成岩结构和岩相的形态模式，并与地下火山和次火山岩地质单元的电缆井眼成像测井图像进行对比，为火山岩相的地质评价提供了“可视化标尺”，提升了复杂地质结构的识别效率与可信度。应用该新方法，重点分析了巴西坎波斯、桑托斯和帕纳伊巴等盆地不同尺度的柱状节理和枕状熔岩，并辅以绳状熔岩、熔结凝灰岩、火山碎屑岩和各种侵入特征等实例分析；结果显示，该方法提高了次火山、陆上和水下沉积体解释的准确度。通过成像测井解释结果与区域地质认识相结合，并把古环境研究纳入冈瓦纳大陆裂解相关的裂谷岩浆作用系统研究，对油气勘探开发具有重要意义。

关键词： 可见光通信   原模图LDPC码   广义空间调制   空间MPPM星座映射方案  

摘要： 为了在室内可见光通信(visible light communication, VLC)中实现高效可靠的数据传输,该文设计了一套基于原模图低密度奇偶校验(low-density parity-check, LDPC)码的高可靠、高传输效率的光通信数据传输方案。具体来说,该文对原模图LDPC码、广义空间调制(generalized spatial modulation, GSM)星座、多脉冲位置调制(multipulse position modulation,MPPM)进行深入研究。首先,针对基于原模图LDPC码的多输入多输出(multiple-input multiple-output, MIMO)GSM VLC系统提出了一种新型非均匀功率的空间MPPM(unequal power spatial MPPM, UPSM)星座映射方案,该方案能够重新分配空间MPPM的峰值发射功率,有效地提高了MIMO-GSM-VLC系统性能;其次,利用原模图外部信息传递(protograph extrinsic information transfer, PEXIT)算法,构造了一种改进型原模图LDPC码,该码在室内可见光通信场景下能优于现有的原模图LDPC码。仿真和分析结果表明,所提出的星座映射方案和改进型原模图LDPC码均能获得显著的性能增益。

关键词： 关系矩阵   左Weyl关系   右Weyl关系  

摘要： 设x和y均为Banach空间.对给定关系A∈BR（x）和B∈RR（y），记二阶上三角关系矩阵■其中x∈B（y，x）.本文利用关系分块技巧给出了存在x∈B（y，x），使得Mx是左（右）Weyl关系的充分必要条件.

关键词： 察汗斯拉图盆地   拱南凹地   浅层卤水   水化学特征   浅层卤水形成机制  

摘要： 钾盐作为我国紧缺战略性非金属矿产，对保障我国粮食安全和社会经济稳定发展具有重要意义。近年来，柴达木盆地含钾卤水资源开发面临着部分钾矿资源枯竭及难以满足我国钾资源需求持续增长的挑战，亟需发现新的钾矿资源以满足需求。目前，关于察汗斯拉图盆地拱南凹地浅层卤水的地球化学特征及其形成机制尚缺乏系统研究，相关数据较为匮乏。本研究对察汗斯拉图盆地拱南凹地浅层卤水中的常量和微量元素含量进行了系统的测试与分析。结果表明：该区浅层卤水的TDS值为277.86～337.45 g/L，指示其经历了显著的蒸发浓缩作用。在主要离子组分方面，拱南凹地浅层卤水中Na+、Cl-离子占主导位置，在Piper图上呈现明显的Na-Cl型区域特征。研究显示，该区域浅层卤水K含量为4.69～9.94 g/L，平均为6.65 g/L，显著高于工业开采品位。B和Li微量元素，其含量分别为29.11～77.21 mg/L（均值45.87 mg/L）和5.08～8.87 mg/L（均值6.63 mg/L），远低于工业开采品位。根据Hardie和Eugster水化学分类原理，拱南凹地浅层卤水的水化学类型为硫酸镁亚型（Cl-SO4）。研究认为，拱南凹地浅层卤水中的K元素主要来源于阿尔金山系含钾花岗岩的风化作用，并通过蒸发浓缩作用富集；B元素主要来源于相对富B的蛇绿岩，而Li元素主要来源于区域基岩的风化剥蚀作用，其中Li还受到黏土矿物的吸附/解吸及次生矿物共沉淀等多重因素的影响。

关键词： 药物推荐算法   双重动态决策机制   图对比学习   电子病历   轻量级  

摘要： 药物推荐旨在根据患者电子病历中的就诊信息为其提供准确，安全且个性化的药物组合.然而，现有药物推荐方法面临计算效率低下、未能充分利用患者就诊相似性以及药物-药物相互作用控制不足等问题，影响模型在实际临床环境中的应用.为此，本文提出融合双重动态决策机制与图对比学习的轻量级药物推荐算法.通过设计轻量化架构降低计算成本，同时利用患者就诊相似性信息构建双重动态决策机制，提升推荐合理性.此外，应用图对比学习方法增强药物图交互，以提高推荐药物的安全性.在公开数据集上的实验表明，该模型在不同评估指标上较基线实现了更优的推荐性能，并在效率与性能之间取得了良好平衡.

关键词： 室内移动机器人   远程控制   视觉惯性里程计   栅格地图构建  

摘要： 为保障室内移动机器人完成各项任务，需向机器人提供环境地图来用于导航，同时在导航的过程中需要记录运行轨迹，判断是否执行预设轨迹。针对上述问题，设计了一种室内移动机器人分布式建图系统，为准确记录机器人运动的真实轨迹，提出基于六阶龙格库塔（RK6）预积分的视觉惯性里程计定位方法；为构建栅格地图，提出基于特征的全局栅格地图构建方法；为扩大机器人的应用场景，设计了远程控制平台进行功能控制，并将地图构建方法中实时性低的环节迁移到远程控制平台处理。最后对系统进行了实验验证，实验结果表明系统能够实现上述功能。

关键词： 命题逻辑   一阶逻辑   标准矛盾体   多线型标准矛盾体   复合策略   文字添加策略  

摘要： 自动推理是人工智能的重要研究领域，推理规则是影响其效率的关键因素。基于矛盾体分离的演绎推理是一种可靠且完备的推理规则，具有多文字、多子句协同和动态演绎等优势。矛盾体构造方法对演绎效率至关重要。基于此，提出基于命题逻辑一类矛盾体结构——多线型标准矛盾体，给出此类矛盾体在不同情况下的复合策略，即利用两个多线型标准矛盾体生成新的标准矛盾体的条件与方法，并对复合性质上的共性结论和特性结论进行区分；指出通过向子句添加特定文字，多线型标准矛盾体可以转化为更多条线的标准矛盾体，给出此类矛盾体的文字添加策略；设计在命题逻辑中生成多线型标准矛盾体的算法；给出双线型矛盾体及完全标准矛盾体基于一阶逻辑的结构与性质。

关键词： 智能交通   城市路网交通流预测   图卷积神经网络   时序聚类算法   预测子区  

摘要： 城市路网交通流预测能提供可靠未来交通流信息，是实现城市区域交通管控的关键一环。为提升城市路网交通流预测精度，考虑交通流时空相关性，提出一种基于时序聚类和深度学习的交通流预测模型（KS-GCN模型）。首先，引入时序聚类算法（K-shape算法）搭建预测子区模块，分析城市路网不同位置交通流序列形状的相似性，划分交通流预测子区；其次，使用图卷积神经网络搭建空间关联模块，分析各交通流预测子区交通流数据的空间相关性和路网拓扑结构；然后，选取长短期记忆神经网络构建时间关联模块，捕捉空间关联模块输出特征中存在的时间规律；最后，将时间关联模块获得的记忆信息放入全连接层，进而得到城市路网交通流预测值。选取美国加州萨克拉门托市和中国重庆市内的城市路网交通流数据验证KS-GCN模型，设计消融实验分析KS-GCN模型的机制。实验结果表明：相比去除预测子区模块、空间关联模块或时间关联模块的KS-GCN模型，KS-GCN模型所得平均绝对百分比误差、平均绝对误差和均方根误差分别下降2.72%～4.03%、0.55%～4.01%和0.99%～3.59%；相比传统聚类算法，K-shape算法使平均绝对百分比误差、平均绝对误差和均方根误差分别下降3.30%、0.34%和1.52%；相比现有预测模型，KS-GCN模型使得平均绝对百分比误差、平均绝对误差和均方根误差分别下降6.31%～38.03%、1.68%～40.78%和1.48%～37.50%。KS-GCN模型城市路网交通流预测精度最高，可为城市区域交通管控提供更准确的交通流预测数据。